আপনার প্রতিটি ফোনকল আপনার শহরের একটি মানচিত্র তৈরি করছে এবং এটি হয়তো আমাদের যানজট সমস্যার সমাধান করে দেবে।

আপনার শহরকে আপনার অবস্থান খুঁজে বের করার জন্য আসলে আপনার লোকেশন শেয়ার করার প্রয়োজন নেই। আপনার করা প্রতিটি কল এবং পাঠানো প্রতিটি মেসেজ নীরবে কাছাকাছি থাকা কোনো নেটওয়ার্ক অ্যান্টেনার সাথে সংযুক্ত হয়। এবার, প্রতিদিন একই কাজ করা লক্ষ লক্ষ মানুষের ক্ষেত্রে এই বিষয়টিকে গুণ করুন, এবং এর ফলে যা দাঁড়ায় তা শুধু ডেটা নয় — এটি একটি শহর আসলে কীভাবে কাজ করে তার একটি জীবন্ত, চলমান চিত্র। কর্ডোবা বিশ্ববিদ্যালয়ের গবেষকরা এই প্যাটার্নগুলো ব্যাখ্যা করার জন্য ডিজাইন করা একটি নতুন টুলের মাধ্যমে ঠিক এই বিষয়টিকেই কাজে লাগাতে সক্ষম হয়েছেন।

যে যন্ত্রটি না দেখেই নজর রাখে

MAPLID (স্থান শনাক্তকরণের জন্য বহু-লেবেল পদ্ধতি) এটি কোনো ব্যক্তিকে ট্র্যাক করে না। এটি আসলে বিভিন্ন প্যাটার্ন বা বিন্যাস পর্যবেক্ষণ করে — সমষ্টিগত, পরিচয় গোপন রাখা এমন সব সংকেত, যা দেখায় সময়ের সাথে সাথে কোনো স্থানের আচরণ কেমন হয়। এর মাধ্যমে জানা যায় কখন একটি এলাকা আবাসিক থেকে বাণিজ্যিক হয়ে ওঠে, কখন শিল্পাঞ্চলে যাওয়ার রাস্তাগুলোতে যানজট চরমে পৌঁছায়, অথবা কীভাবে একটি বড় ঘটনা নীরবে একটি পুরো এলাকার ছন্দকে ব্যাহত করতে পারে।

এর বিশেষত্ব হলো, এটি কোনো স্থানকে কেবল একটি সংজ্ঞার মধ্যে সীমাবদ্ধ রাখে না। উদাহরণস্বরূপ, একটি বিশ্ববিদ্যালয় ক্যাম্পাস শুধু কর্মক্ষেত্র নয়। দিনের সময়ের ওপর নির্ভর করে, এটি একটি বাড়ি, একটি সামাজিক স্থান বা একটি যাতায়াতের পথও হতে পারে। বেশিরভাগ ম্যাপিং টুল একটি লেবেল বেছে নিয়ে সেটিতেই স্থির থাকে। অন্যদিকে, ম্যাপলিড (MAPLID) এই সমস্ত স্তরগুলোকে একবারে ধারণ করে।

গবেষণাটি আসলে কীভাবে কাজ করে

কম্পিউটার সায়েন্স অ্যান্ড আর্টিফিশিয়াল ইন্টেলিজেন্স বিভাগের সহকর্মী হুয়ান এ. রোমেরো দেল কাস্তিলো এবং ডোমিঙ্গো অর্টিজ বয়ারের সাথে ম্যানুয়েল মেন্ডোজা হুর্তাদো তার ডক্টরাল গবেষণার অংশ হিসেবে মডেলটি তৈরি করেন।

সরাসরি অবস্থানের তথ্যের উপর নির্ভর না করে, সিস্টেমটি ধাপে ধাপে তার ধারণা তৈরি করে। এটি শুরু হয় জিওলোকেশনযুক্ত কল এবং মেসেজের মেটাডেটা দিয়ে — অর্থাৎ, সরাসরি বিষয়বস্তু দিয়ে নয়, বরং সেই সংযোগ বিন্দুগুলো দিয়ে যা ডিভাইসগুলো নেটওয়ার্ক অ্যান্টেনার সাথে যোগাযোগ করার সময় নিবন্ধিত হয়। সেখান থেকে, এটি ট্র্যাক করে কীভাবে এই সংকেতগুলো দিন ও সপ্তাহ ধরে পুনরাবৃত্তি হয়, যা এককালীন গতিবিধি থেকে স্থিতিশীল রুটিনগুলোকে আলাদা করতে সাহায্য করে। এরপর সেই আচরণগত স্তরটিকে ওপেনস্ট্রিটম্যাপের (OpenStreetMap) সাথে মিলিয়ে দেখা হয়, যা একটি ওপেন-সোর্স ভৌগোলিক ডেটাবেস। এটি রাস্তার ধরন, ল্যান্ডমার্ক এবং ভবনের বিভাগের মতো বাস্তব জগতের প্রেক্ষাপট যোগ করে, যা বিমূর্ত সংকেত প্যাটার্নগুলোকে নগর বিশ্লেষণের জন্য অনেক বেশি বাস্তবসম্মত ও ব্যবহারযোগ্য কিছুতে পরিণত করে।

এই প্রক্রিয়ার ফলস্বরূপ যা বেরিয়ে আসে তা হলো একটি টাইম-ল্যাপস। একই রাস্তার ব্লক, যখন বিভিন্ন সময়ে দেখা হয়, তখন সম্পূর্ণ ভিন্ন গল্প বলতে পারে — সকাল ৭টা আর সন্ধ্যা ৭টার মধ্যে কোনো মিলই থাকে না। মডেলটি পরীক্ষা করার জন্য, দলটি মিলান এবং ত্রেন্তো জুড়ে এটি চালায়। এই দুটি ইতালীয় শহর আকার এবং গঠনে উল্লেখযোগ্যভাবে ভিন্ন, যা তুলনার জন্য এদেরকে আদর্শ করে তোলে। গোপনীয়তার বিধিনিষেধের কারণে স্প্যানিশ মোবাইল ডেটা উপলব্ধ ছিল না, তাই গবেষকরা এর পরিবর্তে টেলিকম ইতালিয়া কর্তৃক বৈজ্ঞানিক গবেষণার জন্য প্রকাশিত একটি ডেটাসেট ব্যবহার করেন। শহুরে মানচিত্রের উপর লক্ষ লক্ষ দৈনিক ডেটা পয়েন্ট যুক্ত করা সত্ত্বেও, মডেলটি উভয় শহরেই ধারাবাহিকভাবে কার্যকর ছিল, যা থেকে বোঝা যায় এটি কোনো একটি নির্দিষ্ট ধরনের শহুরে পরিবেশে সীমাবদ্ধ নয়।

গবেষণাটি ইন্টারন্যাশনাল জার্নাল অফ জিওগ্রাফিক্যাল ইনফরমেশন সায়েন্স- এ প্রকাশিত হয়েছে।

তাহলে, আসলে কারা দেখছে?

এই মুহূর্তে, এখনও পর্যন্ত আনুষ্ঠানিকভাবে কেউ এটি ব্যবহার করছে না। গবেষকদের পরবর্তী পদক্ষেপ হলো এই টুলটি সরাসরি স্থানীয় সরকার এবং নগর পরিকল্পনাবিদদের কাছে পৌঁছে দেওয়া। আর এর ব্যবহারের ক্ষেত্রগুলো বেশ স্পষ্ট — প্রকৃত চলাচল পদ্ধতির ওপর ভিত্তি করে বাসের সময়সূচী সমন্বয় করা, যেখানে যানজট তৈরি হয় সেখানে যান চলাচল ব্যবস্থার উন্নতি করা, এবং এমনকি সেকেলে অনুমানের ওপর নির্ভর না করে, যেখানে সত্যিই প্রয়োজন সেখানে পরিচ্ছন্নতাকর্মী পাঠানো।

মজার ব্যাপার হলো, শহরগুলো সব সময়ই এই ধরনের তথ্য তৈরি করে আসছে। এর কোনো অভাব ছিল না। যা কিছুর অভাব ছিল তা হলো, এই তথ্যগুলোকে অর্থপূর্ণ ও ব্যবহারযোগ্য উপায়ে ব্যাখ্যা করার একটি পদ্ধতি। এই টুলটিই হয়তো সেই পদক্ষেপ যা এই অবস্থার পরিবর্তন ঘটাবে।